基于非采样Contourlet变换的图像融合算法

基于非采样Contourlet变换,提出了一种新的图像融合算法.对经非采样Contourlet变换后的低频子带系数采取基于区域清晰度的融合规则,对高频子带系数采取基于区域方差的自适应加权的融合规则.实验结果显示,本文算法在目视判别以及客观标准下优于其他基于多尺度分析的图像融合算法,可获得较理想的融合图像.     

基于Contourlet域的多聚焦图像融合方法

提出一种基于Contourlet域的多聚焦图像融合方法.对分解后的图像低频子带采用区域方差法进行处理,高频子带统计系数各方向邻域能量和作为融合依据,利用系数局部相似的特点进行同层的一致性处理.该算法可以减少融合图像边缘处的斑块模糊现象,提高融合质量.仿真实验结果表明,所提出的算法能够更好地提取原始图像特征,融合后的图像具有更好的主观视觉效果.     

自适应Contourlet变换的多传感器图像融合

Contourlet变换克服了小波变换在处理高维信号时的不足,相对于小波变换具有较好的方向性、较高的逼近精度和较好的稀疏表达性能.因此将Contourlet变换用于图像融合,能更好的提取图像边缘特征,为融合提取更多的特征信息.利用Contourlett变换的多尺度和多方向性特征以及自适应融合规则在选取融合系数上的优势,提出了一种自适应Contourlet变换的多传感图像融合新算法.算法是将全色图像和多光谱图像进行Contourlet变换分解后,针对不同的频率域特点选择不同的融合规则,对低频系数选取区域能量的加权系数自适应融合规则,对高频系数特性选用了区域特征自适应的融合规则,最后通过重构得到融合图像.将其他的融合算法和本文所提算法进行了主观和客观的对比,结果表明,该算法是一种有效可行的图像融合算法.     

基于Contourlet变换的全色影像与多光谱影像的融合

Contourlet变换比小波变换更适宜表达图像的各向异性的直线、曲线和边界特征,能有效地捕捉图像的几何结构信息。与Contourlet变换相比,非下采样Contourlet变换不仅具有多尺度、多方向特性,同时还具备平移不变性。本文提出了一种新的基于Contourlet变换和IHS变换的全色影像与多光谱影像的融合方法,并将IKONOS影像数据应用于融合实验来验证方法的有效性,结果表明本文方法在较好地保持多光谱影像光谱信息的同时增强了融合图像的空间细节表现能力,优于IHS和基于小波变换的IHS融合方法。     

基于小波变换的多聚焦图像融合

本文提出了一种新的基于小波变换的融合算法。此算法简单易行,既保留了图像的边缘特性和多聚焦图像的对比度特性,又有效地对两幅多聚焦的图像进行了融合。通过实验及结果分析,对这些方法保留图像的边缘特征和对比度特性进行了对比,得出了有益的结果。     

基于小波变换的多聚焦图像融合算法

提出一种基于小波空间频率的多聚焦图像的融合算法,该方法是在小波多分辨率分析的基础上,采用小波变换后的系数去定义待融合图像中的清晰度测量指标.对于明显的清晰和模糊区域,直接选取清晰区域作为融合后的相应块区域.而对于清晰与模糊的边界区域,采用了基于像素的窗口空间频率的方法进行融合处理.融合结果表明,该方法是可行和高效的,且比其他图像融合方法具有更好的性能.     

基于小波变换的图像融合技术研究

从小波和图像融合的定义出发,阐述了小波变换在图像融合技术中的应用,同时对小波变换在图像融合技术的发展进行了展望。     

基于IHS变换和形态小波变换的遥感图像融合

针对多光谱图像与全色图像的融合,本文提出了一种基于IHS变换和形态小波变换的遥感图像融合方法。新方法首先对多光谱图像作IHS变换,得到亮度I,色度H,饱和度S三个分量;其次,利用形态小波变换融合方法融合多光谱图像的亮度分量与全色图像,并用融合后的图像代替多光谱图像的亮度分量;最后,作IHS反变换得到新的多光谱图像。主观视觉效果分析和客观统计参数分析评价分析表明,新方法的性能优于IHS变换融合、小波变换融合方法,不仅较大地增强了融合图像的空间细节表现能力,而且很好地保留了多光谱图像的光谱信息。     

基于小波变换与低通滤波的多源图像融合方法

在多尺度分解的框架下,对像素级的多源图像融合,提出一种基于低通滤波与小波变换的图像融合算法.先将低空间分辨率的多光谱图像插值,使之具有与高空间分辨率全色图像相同的分辨率,然后再对多光谱图像低频分量和全色图像低频分量进行融合处理,得到一幅具有高空间分辨率的多光谱图像.将全色图像的低频分量和多光谱图像的低频分量进行融合,以达到增强光谱图像的低频分量空间特性效果.     

基于contourlet变换和模糊理论的多聚焦图像融合

研究一种基于contourlet变换和模糊理论的图像融合新算法.首先,对源图像进行contourlet变换;再对contourlet系数中低频和高频部分采用不同的融合规则,即低频部分采用基于模糊集的自适应加权融合方法,高频部分采用区域能量最大的方法进行融合;最后再通过contourlet逆变换,获得融合图像.实验结果表明该算法能够取得较好的融合结果.     

基于差异演化的多聚焦图像融合算法

多聚焦图像融合就是综合和处理多个源图像的信息,来获取对同一场景或物体的更为准确、更为全面、更为可靠的图像描述．对于可见光成像系统而言,特别是含有长焦距的光学镜头,对景深有一定的限制．因此,将场景中的所有物体都成像清晰是很难的,这个问题采用多聚焦图像融合技术可以很好解决．通过提出一种基于差异演化的多聚焦图像融合算法,首先将源图像进行分块,然后用清晰度评价函数比较对应图像块的清晰度,选择清晰度高的作为清晰图像块,最终重构融合图像．该方法的积极意义在于,优化后的图像块比没被优化的使用效果更佳．实验结果表明,从定量和视觉两方面评价,都明显优于遗传算法和其他传统的图像融合方法．     

双变量模型下的非下采样Contourlet变换图像去噪

该研究利用非下采样Contourlet变换的平移不变性和多方向选择性,考虑变换域内子带系数尺度间和尺度内的双重相关性,自适应地调节双变量模型下子带系数的收缩量,使子带系数的收缩量与子带含有图像细节内容的多少成比例.仿真结果表明,与仅考虑子带系数尺度间相关性的去噪算法相比,该算法在去除噪声的同时能有效保持原图像中的细节和纹理信息,改善恢复图像的主观视觉效果,提高恢复图像的PSNR值.     

基于DT-CWT和自适应PCNN模型的多聚焦图像融合方法研究

针对传统图像融合方法在多聚焦图像融合中存在细节丢失、边缘模糊和焦点不清楚等问题,提出一种基于双树-复小波变换（DT-CWT）优化显著性测度和自适应脉冲耦合神经网络（PCNN）模型的多聚焦图像融合方法。首先,将两张聚焦区域不同的输入图像使用双树-复小波分解成低频子带和高频子带;然后,对低频子带采用基于显著性测度的度量方法计算小波融合系数,对于高频子带,采用自适应PCNN模型计算触发时间来选取高频融合子带;最后,通过双树-复小波逆变换重构得到融合结果。与其他融合方法进行对比,结果表明,基于文章所提方法的融合图像更加自然清晰,具有较高的边缘保持度,同时保留了更多的细节信息,因此,此方法可以大大提高图像质量。     

基于Contourlet变换的MRI医学图像增强

利用Contourlet变换的多尺度、局部化、方向性等优点,提出一种基于Contourlet的MRI图像增强方法。实验结果表明,与传统的方法相比,该方法能够更有效地增强MRI图像的边缘细节特征,获得良好的效果。